arXiv 2026年10月5日作者提出 LUMOS 诊断框架，借助训练语料完全透明的 OLMo 2，把大模型参数知识的分析从只看输出改为沿“训练数据曝光→行为输出”的因果链追踪，发现模型对罕见事实的内部编码可分离度达 84% 却只有 54% 能在行为上表达（该检索差距随规模缩小），自我反思在已训练内容上可靠（83%）但在未见内容上跌至随机基线水平（49%），且该崩塌在思维链提示下依然存在，提示反而抬高置信信号而非改善校准。作者提出 LUMOS 诊断框架，借助训练语料完全透明的 OLMo 2，把大模型参数知识的分析从只看输出改为沿“训练数据曝光→行为输出”的因果链追踪，发现模型对罕见事实的内部编码可分离度达 84% 却只有 54% 能在行为上表达（该检索差距随规模缩小），自我反思在已训练内容上可靠（83%）但在未见内容上跌至随机基线水平（49%），且该崩塌在思维链提示下依然存在，提示反而抬高置信信号而非改善校准。LUMOS 用 OLMo 2 透明训练语料追踪参数知识：罕见事实内部可分离度 84% 但行为表达仅 54%，自我反思在未见内容上跌至 49%作者提出 LUMOS 诊断框架，借助训练语料完全透明的 OLMo 2，把大模型参数知识的分析从只看输出改为沿“训练数据曝光→行为输出”的因果链追踪，发现模型对罕见事实的内部编码可分离度达 84% 却只有 54% 能在行为上表达（该检索差距随规模缩小），自我反思在已训练内容上可靠（83%）但在未见内容上跌至随机基线水平（49%），且该崩塌在思维链提示下依然存在，提示反而抬高置信信号而非改善校准。作者提出 LUMOS 诊断框架，借助训练语料完全透明的 OLMo 2，把大模型参数知识的分析从只看输出改为沿“训练数据曝光→行为输出”的因果链追踪，发现模型对罕见事实的内部编码可分离度达 84% 却只有 54% 能在行为上表达（该检索差距随规模缩小），自我反思在已训练内容上可靠（83%）但在未见内容上跌至随机基线水平（49%），且该崩塌在思维链提示下依然存在，提示反而抬高置信信号而非改善校准。